[en] HYBRID OPTIMIZATION SYSTEM FOR THE CONTROL STRATEGIES OF INTELLIGENT WELLS UNDER UNCERTAINTIES
[pt] A atividade de gerenciamento de reservatórios é uma tarefa essencial que visa o desafio da otimização da explotação de reservatórios de petróleo. Como resposta a tal desafio a indústria de óleo e gás vem desenvolvendo novas tecnologias, como a de poços inteligentes. Esses poços tem objetivo...
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | pt |
| Published: |
MAXWELL
2007
|
| Subjects: | |
| Online Access: | https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=10863@1 https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=10863@2 http://doi.org/10.17771/PUCRio.acad.10863 |
| Summary: | [pt] A atividade de gerenciamento de reservatórios é uma tarefa
essencial que
visa o desafio da otimização da explotação de reservatórios
de petróleo. Como
resposta a tal desafio a indústria de óleo e gás vem
desenvolvendo novas
tecnologias, como a de poços inteligentes. Esses poços tem
objetivo de baratear
as operações de restaurações mais corriqueiras através do
controle de sua
tecnologia. Assim, este trabalho trata do desenvolvimento
de campos
inteligentes e apresenta um sistema de apoio à decisão
capaz de otimizar,
através de algoritmos evolucionários, o processo de
controle da tecnologia de
poços inteligentes considerando incertezas de falha e
geológica. Além disso, o
sistema se propõe a apoiar na tomada de decisão pelo uso ou
não de poços
inteligentes, dado um reservatório pronto para ser
explorado ou para receber
investimentos de expansão. O controle da tecnologia de
poços inteligentes (IWT
- Intelligent Wells Technology) empregado nesse estudo,
refere-se à operação
de abertura e fechamento dos dispositivos (válvulas)
existentes nesses tipos de
poços. Através da otimização com algoritmos genéticos se
busca uma
estratégia de controle pró-ativo, em outras palavras, agir
antes do efeito, onde se
busca nos tempos iniciais de produção uma configuração de
válvulas que seja
capaz de: atrasar a chegada da frente de água aos poços
produtores, antecipar
a produção de óleo ou melhorar a recuperação de óleo do
campo; em
conseqüência, uma operação que leve à maximização do valor
presente líquido
(VPL). O emprego de estratégias de controle que visam
beneficiar a
completação identifica o campo como inteligente. Outros
trabalhos abordam o
problema de otimização de controle de válvulas em poços
inteligentes, porém
eles utilizam métodos clássicos de otimização que limitam o
número de válvulas
ou ainda otimizam estratégias sem considerar os intervalos
de tempo desejados
para manutenção das válvulas. O modelo evolucionário
empregado nesse
estudo, baseado em algoritmos genéticos, consegue formular
uma estratégia de
controle para todas as válvulas presentes em uma
determinada configuração de produção, em qualquer intervalo
de tempo desejado, atendendo ao critério
econômico de maximizar o VPL. Para apoiar a tomada de
decisão, pelo uso ou
não de poços inteligentes, consideram-se incertezas de
falha e geológica. O
modelo proposto foi avaliado em três reservatórios
petrolíferos, sendo o primeiro
um reservatório sintético, e os outros dois reservatórios
mais complexos com
características mais próximas das reais. Os resultados
encontrados indicam que
o modelo proposto permite alcançar boas estratégias de
controle que levam a
um aumento do VPL. A principal contribuição deste trabalho
é a concepção e
implementação de um sistema baseado em técnicas
inteligentes capaz de apoiar
no desenvolvimento e gerenciamento de reservatórios
petrolíferos inteligentes
considerando incertezas. === [en] The reservoir management is an important task that aims at
the
optimization of oil reservoir exploitation. To support this
challenging mission, the
oil and gas industry has been developing new technologies
such as intelligent
wells. The purpose of these wells is to reduce costs of the
most common
restoring operations by control of their actuators. Thus,
this work deals with
intelligent fields development and presents a decision
support system able to
optimize, by using evolutionary algorithms, the intelligent
wells technology control
process considering geological and technical uncertainties.
In addition, the
system gives support for the decision of rather to use or
not intelligent wells,
given a reservoir ready to be explored or to receive
expansion investments. The
control of Intelligent Wells Technology (IWT), as applied
in this study, refers to
the opening and closing operations of valves in these types
of wells. An
optimization based on genetic algorithms is used to produce
a pro-active control
strategy, that is, one that anticipates the actions to be
taken in present time in
order to achieve better results in the future. Such a
strategy proposes a valve
configuration that will be able to: delay the water cut on
producer wells, advance
the oil production or benefit the oil recuperation. As a
result, the obtained
configuration leads to a maximization of the NPV (Net
Present Value). The usage
of control strategies that aim to benefit completion
identifies the oil field as
intelligent. Other works also deal with valve control
optimization problems in
intelligent wells. However, they use classical optimization
methods; these
methods limit the number of valves or optimize strategies
without considering
time. The evolutionary model, based on genetic algorithm,
applied in this study,
can formulate a control strategy for all valves in a
certain production
configuration, for any desired time interval, according to
the economical criteria of
NPV maximization. In order to support the decision making
for the use or not of
intelligent wells, technical and geological uncertainties
are considered. The
proposed model was evaluated in three oil reservoirs. The
first one is a synthetic
reservoir, simple and not real; the other two are more
complex with close to real characteristics. The results
obtained indicate that the proposed model allows
good control strategies that increase the NPV. The main
contribution of this work
is the conception and implementation of a system based on
intelligent techniques
that is able to support the development and management of
intelligent oil
reservoirs considering uncertainties. |
|---|